KI verstehen – Was steckt wirklich dahinter?

Wie lernt eine KI – und was bedeutet Training?

Künstliche Intelligenz verstehen und klug nutzen

Dein Lernziel: Du verstehst das Grundprinzip von Trainingsdaten, Modellparametern und der Prüfung an unbekannten Beispielen.

Textgrundlage, Quellen und Einordnung

Redaktioneller Stand: 27. Oktober 2026. Alle Dialoge, Fälle, Auswahlfragen und Merksätze sind eigens entwickelte Kursbeispiele, keine wörtlichen Zitate aus den Quellen. Fachliche Grundsätze sind nachstehend belegt.

Schritt 1 von 5: Der ungeübte Briefsortierer

Stell dir vor, ein Computer soll E-Mails in zwei Gruppen sortieren: „Rechnung“ und „keine Rechnung“.

Du zeigst ihm 2.000 beschriftete Beispiele. Viele Rechnungen enthalten Wörter wie „Betrag“, „Rechnungsnummer“ oder „Zahlungsziel“.

Nun trifft eine neue Mail ein: „Bitte begleichen Sie die Rechnung bis Freitag.“ Der Computer ordnet sie richtig ein.

Frage: Hat er dazu jede denkbare Rechnung als fertige Regel gespeichert?

Rückmeldung – aufklappen

Nicht notwendig. Ein lernendes Modell kann aus Beispielen Zusammenhänge ableiten und auf bisher ungesehene Mails übertragen. Wie zuverlässig das gelingt, hängt von Training und Daten ab.

Schritt 2 von 5: Training verändert das Modell

Beim maschinellen Lernen werden zunächst viele Beispiele verarbeitet. Das System berechnet Vorhersagen und passt dabei Modellparameter an. Parameter sind Zahlen, die beeinflussen, wie das Modell spätere Eingaben verarbeitet.

Während des Trainings werden solche Zahlen wiederholt verändert, damit das Modell bei der gewählten Lernaufgabe bessere Ergebnisse erzielt. Das bedeutet nicht, dass ein Mensch jede Regel einzeln formuliert.

Große Sprachmodelle werden häufig zunächst an sehr umfangreichen Textbeständen vortrainiert. Dabei lernen sie unter anderem Muster und Beziehungen in Sprache. Anschließende Anpassungen können das Verhalten für bestimmte Aufgaben verbessern.

Wichtig: In einer gewöhnlichen Unterhaltung wird das Modell nicht automatisch bei jeder Antwort neu trainiert. Der aktuelle Gesprächskontext und eine Änderung seiner trainierten Parameter sind zwei verschiedene Dinge.

Schritt 3 von 5: Ein Fehler im Trainingsmaterial

Zurück zu unserem E-Mail-Sortierer. Seine Trainingsbeispiele stammen ausschließlich von einem einzigen Unternehmen. Dort sind Rechnungen immer als PDF angehängt.

In der Praxis bekommt das System später auch Rechnungen, die nur im Mailtext stehen. Es übersieht viele davon.

Woran liegt es am ehesten?

  1. Das Modell hat offenbar Gefühle entwickelt.
  2. Die Beispiele decken die echte Vielfalt der Aufgabe nicht ausreichend ab.
  3. PDF-Dateien können grundsätzlich nicht von KI verarbeitet werden.
Rückmeldung – aufklappen

B. Die Trainingsdaten waren für die spätere Aufgabe zu einseitig. Ein Modell kann Muster lernen, die im Training gut funktionieren und bei neuen Fällen versagen. Das ist ein Problem mangelnder Generalisierung – also der Übertragung auf unbekannte Beispiele.

Schritt 4 von 5: Trainieren ist nicht Nachschlagen

Zwei verbreitete Bilder vom KI-Lernen sind irreführend:

  • „Das Modell besitzt eine vollständige Bibliothek aller Trainingsseiten.“ So funktioniert gewöhnliche Textgenerierung nicht. Ein trainiertes Modell verwendet Parameter statt bei jeder Ausgabe eine gespeicherte Seite herauszusuchen. Es kann allerdings unter Umständen Text wiedergeben, der im Training vorkam.
  • „Wenn ich etwas in den Chat schreibe, hat das Modell es für immer gelernt.“ Die Eingabe kann für die laufende Antwort wichtig sein; daraus folgt aber keine automatische dauerhafte Parameteränderung.

Manche Anwendungen ergänzen ein Modell um Suche, Dokumentzugriff oder gespeicherte Nutzereinstellungen. Ob dies geschieht, hängt vom konkreten Produkt und seinen Einstellungen ab.

Frage: Wenn der Assistent eine von dir eingefügte Tabelle zusammenfasst: Woher können die Zahlen stammen?

Rückmeldung – aufklappen

Aus deiner aktuellen Eingabe. Dafür muss der Assistent die Tabelle nicht bereits im Training gesehen haben. Er kann sie trotzdem falsch lesen oder berechnen; der Ursprung der Daten und die Korrektheit der Verarbeitung sind getrennte Fragen.

Schritt 5 von 5: Was du aus dem Training ableiten kannst

Du kennst jetzt drei getrennte Vorgänge:

  1. Training: Die Modellparameter werden anhand von Daten angepasst.
  2. Anwendung (Inferenz): Das trainierte Modell berechnet eine Ausgabe für eine neue Eingabe.
  3. Prüfung: An geeigneten, im Training nicht verwendeten Fällen wird untersucht, wie gut es funktioniert.

Mini-Aufgabe: Ein Entwickler behauptet: „Unsere KI sortiert jede Rechnung fehlerfrei, denn im Training hatte sie 100 Prozent Treffer.“ Welche Information fehlt?

Rückmeldung – aufklappen

Die Leistung auf unbekannten, realistischen Testfällen. Eine perfekte Trefferquote auf Trainingsdaten belegt noch nicht die Zuverlässigkeit außerhalb des Trainings.

Merksatz: Aus Beispielen zu lernen heißt nicht, alle künftigen Fälle sicher zu beherrschen.